由参加领域驱动设计大会与自己所想的

简介: 2017首届领域驱动技术大会一直是我非常期望的,要非常感谢右军赠送的门票能够让我领略大会风采。 这届大会组织者非常用心,组织了非常多的话题可供探讨,确实大会的内容给我带来的感觉是震撼的,我之前对领域的了解也仅从《领域驱动设计》以及《实现领域驱动设计》这两本书中有过学习,以及在实现微服务生态体系的过程中有过一些接触。

2017首届领域驱动技术大会一直是我非常期望的,要非常感谢右军赠送的门票能够让我领略大会风采。

60f34648eb2292cdd505166c4192155fbbfc5259

这届大会组织者非常用心,组织了非常多的话题可供探讨,确实大会的内容给我带来的感觉是震撼的,我之前对领域的了解也仅从《领域驱动设计》以及《实现领域驱动设计》这两本书中有过学习,以及在实现微服务生态体系的过程中有过一些接触。

在大会的整个进程中,听了很多老师不同主题的演讲,让我印象极为深刻的还是:张逸老师的《Bounded Context的实践意义》、腾云老师的《DDD-没那么难》。下面我将分别结合这二个议题谈谈我自己的一些想法。

Bounded Context(限界上下文)的实践意义

478dc76210461e231957f50ef1333a1a4aa613ae

(因为光线和距离的原因照片可能不清晰,望大家见谅)


首先我们先来解释一下,什么是限界上下文。

《实现领域驱动设计》这本书中解释到:限界上下文是一个显式边界,领域模型便存在于边界之内。在边界内,通用语言中的所有术语和词组都有特定的含义,而模型需要准确地反映通用语言。

用一段更形象的语言来描述:我们每天都去上班,上班的时候会换乘地铁,我从8号线下车,换乘2号线,然后再去换乘10号线,这样最终到达某一个地点,结束上班这个过程。在这个过程中,8号线、2号线和10号线都可以理解为不同的限界上下文,我们中间换乘的动作可以理解为领域事件,而我们最终的目标是为了上班,这个就是关键事件,我们上班就是在不同的上下文中切换。

我们还可以把上下文理解为一个模块,一个系统、一个应用或者一个服务。在我看来,限界上下文的存在对微服务的划分是有重大意义的,但是限界上下文不是新的概念,早在SOA时代就已经存在,只是当时在企业应用的时候并没有将SOA和DDD过多的联系在一起,不知道还有多少同学知道板桥里人(彭晨阳)的,早在2008年的时候在他的json网站中就已经对SOA和DDD的关系做过一些解释:

SOA服务是在松耦合组件分离后的再次打包,而Evans DDD则是一把切断组件关系的利刃。从这个方面看,DDD应该是更基础平台,万丈高楼平地起啊,而DDD是对象方法论集大成,集合分析模式和设计模式

通过当时的文章和解释我们不难看出实际上在SOA中更多的是使用DDD的OO来取代数据库分析设计,SOA是粗粒度的服务化打包,而DDD则是一把斩断粗粒度的利刃。正如这次大会张逸老师一句玩笑的话所说,正因为微服务拯救了DDD,通过这句话可以看出微服务的提出是真正的将DDD给与结合在了一起,而微服务的细粒度的服务与DDD本身的理念也是契合,从而达到了互相发展的境界。

张逸老师在这次演讲中深入探讨了几个关键词:康威定律,逻辑边界和物理边界,切断数据库的耦合、识别上下文的方法等等,能够明显的感觉出来,DDD也在发展也在和微服务和互联网领域不断的演进。

DDD-没那么难

b252888be251d2b9833d14d144dc52b29e41ef33

腾云老师的分享更多是在实践过程中的总结,首先谈了数据驱动与领域驱动的不同点,表格如下:

1d7416364fdd3356ab17ba5de4d03d83841b3205

我记得在2010年以前,研发人员和产品聊完需求后第一步就是要使用PowerDesigner画数据库表结构图,根据数据库表结构图倒推项目架构,后面DDD开始推广以来,慢慢的由UML图开始逐渐占用主导地位,现在表结构图已经成为架构设计的补充。

在DDD中常见二种设计模型,分别是贫血模型和充血模型。

  • 贫血模型

贫血模型是指领域对象里只有get和set方法,仅包含状态(属性),不包含行为(方法),采用这种设计时,需要分离出DB层,专门用于数据库操作。

cc8455545221bc8e90d35763152de59d2411bbf9

从图中可以看出领域层的职责很弱,领域对象只是用来充当数据存储的对象。

但是这种模型整体架构清晰,自上而下单向连接。

远程访问接口 -> Facade接口 -> Service服务 -> 领域层 -> DAO -> 数据库

  • 充血模型

充血模型是贫血模型的相对定义,在这个模型中领域层的作用较大,不再是get和set方法的集合,而是将部分业务逻辑以及持久化的操作集成在内,如下图所示:

bf907cb136a0338646573f019781849cebc6a56e


这种模型的调用关系则变成了:

应用层 -> Facade接口 -> 领域层 -> 基础设施层

其实这样的好处就是与领域对象相当的业务逻辑封装在对象内部,biz或者service层只需要调用对象进行简单的业务组装即可,不像贫血模型那样所有业务都集中在biz层或者service层中造成非常沉重难以拆分,但充血模型比较难以设计,需要有一定经验的设计师前期规划好,后期工作才能事半功倍,不然则会造成项目混乱。

在分享中腾云老师还做了实体和值对象的讲解,下面我将这二者的区别以表格的方式列出来供参考:

5f2d09dd385b0ed235e496cce7028ee69f29b56d

看到这里让我突然想起一个故事来:

有一对双胞胎,他们出生的时候,长得一模一样,以至于爸妈都分不清,不得已他们在双胞胎的脖子上系个项链来标记:谁是老大?谁是老二?其实这个“标记”就可以看作是实体的标识,只不过是用项链来标识的。

有一天小镇要统计双胞胎的分布情况,然后调查人员来到他们家,问他们爸妈:“你们家里有没有双胞胎?几对双胞胎?龙凤胎?还是。。。”,然后他们爸妈就报上:“一对双胞胎-两个小子”,然后调查人员就做了笔记走了。在这个过程中,他们丝毫没有提及双胞胎脖子上的“项链”。

这也就是实体和值对象的根本区别:实体不仅需要知道它是什么?而且还需要知道它是哪个?而值对象只需要知道它是什么就可以了。

小结

夜已深,文章写到这里,我想也应该可以结束了,大会的内容非常丰富,在这里只是把我看到的、听到的,结合我自己的一些想法看法总结出来,文章难免有些地方比较偏面还望大家海涵。


原文发布时间为:2017-12-13

本文作者:小程故事多@简书

本文来自云栖社区合作伙伴“中生代技术”,了解相关信息可以关注“中生代技术”微信公众号

相关文章
|
12天前
|
人工智能 JSON 机器人
让龙虾成为你的“公众号分身” | 阿里云服务器玩Openclaw
本文带你零成本玩转OpenClaw:学生认证白嫖6个月阿里云服务器,手把手配置飞书机器人、接入免费/高性价比AI模型(NVIDIA/通义),并打造微信公众号“全自动分身”——实时抓热榜、AI选题拆解、一键发布草稿,5分钟完成热点→文章全流程!
11398 121
让龙虾成为你的“公众号分身” | 阿里云服务器玩Openclaw
|
2天前
|
人工智能 JSON 监控
Claude Code 源码泄露:一份价值亿元的 AI 工程公开课
我以为顶级 AI 产品的护城河是模型。读完这 51.2 万行泄露的源码,我发现自己错了。
2994 7
|
22小时前
|
人工智能 数据可视化 安全
王炸组合!阿里云 OpenClaw X 飞书 CLI,开启 Agent 基建狂潮!(附带免费使用6个月服务器)
本文详解如何用阿里云Lighthouse一键部署OpenClaw,结合飞书CLI等工具,让AI真正“动手”——自动群发、生成科研日报、整理知识库。核心理念:未来软件应为AI而生,CLI即AI的“手脚”,实现高效、安全、可控的智能自动化。
1293 2
王炸组合!阿里云 OpenClaw X 飞书 CLI,开启 Agent 基建狂潮!(附带免费使用6个月服务器)
|
12天前
|
人工智能 IDE API
2026年国内 Codex 安装教程和使用教程:GPT-5.4 完整指南
Codex已进化为AI编程智能体,不仅能补全代码,更能理解项目、自动重构、执行任务。本文详解国内安装、GPT-5.4接入、cc-switch中转配置及实战开发流程,助你从零掌握“描述需求→AI实现”的新一代工程范式。(239字)
7178 139
|
1天前
|
云安全 供应链 安全
Axios投毒事件:阿里云安全复盘分析与关键防护建议
阿里云云安全中心和云防火墙第一时间响应
1073 0
|
2天前
|
人工智能 自然语言处理 数据挖掘
零基础30分钟搞定 Claude Code,这一步90%的人直接跳过了
本文直击Claude Code使用痛点,提供零基础30分钟上手指南:强调必须配置“工作上下文”(about-me.md+anti-ai-style.md)、采用Cowork/Code模式、建立标准文件结构、用提问式提示词驱动AI理解→规划→执行。附可复制模板与真实项目启动法,助你将Claude从聊天工具升级为高效执行系统。
|
2天前
|
人工智能 定位技术
Claude Code源码泄露:8大隐藏功能曝光
2026年3月,Anthropic因配置失误致Claude Code超51万行源码泄露,意外促成“被动开源”。代码中藏有8大未发布功能,揭示其向“超级智能体”演进的完整蓝图,引发AI编程领域震动。(239字)
2050 9
|
10天前
|
人工智能 并行计算 Linux
本地私有化AI助手搭建指南:Ollama+Qwen3.5-27B+OpenClaw阿里云/本地部署流程
本文提供的全流程方案,从Ollama安装、Qwen3.5-27B部署,到OpenClaw全平台安装与模型对接,再到RTX 4090专属优化,覆盖了搭建过程的每一个关键环节,所有代码命令可直接复制执行。使用过程中,建议优先使用本地模型保障隐私,按需切换云端模型补充功能,同时注重显卡温度与显存占用监控,确保系统稳定运行。
2505 9